随着交通流数据检测技术和数据存储技术的迅猛发展,如何有效地处理海量交通流数据成为广大学者研究的热点和难点。在交通流数据处理领域中,交通流长时预测对交通管理和规划有着重要的研究意义。本文引入二型模糊集合方法,利用该方法对不确定性和随机性数据突出的处理能力、容错能力,对城市道路交通流实测数据进行处理,并完成交通流长时预测,为交通管理和规划奠定良好的数据基础。本文的研究工作主要有以下几个方面：首先,提出了一个基于区间二型模糊集合的交通流长时预测框架及其实现方法,用于预测未来一天的交通流数据。该框架分为三个模块：交通流数据预处理模块、二型模糊化模块和交通流数据长时预测模块。其次,结合二型模糊集区间输入数据需要,创新性地引入置信区间概念,应用中心极限定理,实现了区间二型模糊集合在交通流数据处理领域中的应用。第中心极限定理将交通流由点数据转换成置信区间,在满足区间二型模糊集输入数据的前提下,有效提取了交通流数据特征。第二,由于区间二型模糊集合理论具有处理不确定性和随机性时间序列数据的能力,本文构建了基于区间算法的交通流预测框架,对不确定的交通流数据进行了确定的描述。第三,该框架应用了中心极限定理和区间算法的合理性判别、并运算等方法,具有很好的容错能力,无需清洗原始数据。最后,基于交通流实测数据的仿真实验说明实现方法的可行性和有效性,其预测误差随着时间的推移稳定在较低的水平。本文所用的交通流长时预测结果是由上限预测曲线和下限预测曲线包围形成的一个区域,其给出了交通流的可能变化范围,这是传统预测方法无法做到的。此外,本文讨论了长时预测框架中比例因子和滤波方法对结果的影响。